GPT‑Live 1: hlasová AI, která poslouchá i během odpovědi

Když se hlasového asistenta zeptáte na objednávku, obvykle musí zjistit stav v jiném systému. GPT‑Live 1 je postavený tak, aby během této práce mohl pokračovat v rozhovoru a zároveň poslouchat další upřesnění. OpenAI oznámilo obecnou dostupnost API 10. září 2026. Hlavní změnou je oddělení plynulého hovoru od práce na pozadí. Přirozená odpověď však ještě nepotvrzuje správně provedený úkon.

Tento rozbor vychází z dokumentace ověřené 25. října 2026. Vysvětluje rozdíl mezi hlasovým modelem a navazující aplikací, náklady a návrh vlastní přejímací zkoušky. Neobsahuje měření kvality češtiny ani vlastní nasazení telefonní podpory. Pro práci s již hotovou nahrávkou je vhodnější průvodce přepisem schůzek.

Co znamená poslouchat i během odpovědi

GPT‑Live podporuje plně obousměrný rozhovor, tedy možnost přijímat řeč i během vlastního mluvení. Uživatel tak může dodat upřesnění nebo asistenta přerušit, aniž by celá komunikace musela fungovat jako pevné střídání otázky a odpovědi. Technický pojem full duplex popisuje tento způsob komunikace, nikoli automaticky správné pochopení každého překryvu hlasů.

Pro uživatele může být rozdíl nejvíce patrný při opravě detailu. Řekne například jiné číslo zakázky ještě v době, kdy asistent vysvětluje další postup. Aplikace musí novou informaci správně přiřadit a rozhodnout, zda má změnit už zahájené hledání. Plynulé „rozumím“ nestačí, pokud se na pozadí dál zpracovává staré číslo.

Při návrhu proto rozlišujte zvuk, přepis a skutečný stav úlohy. Zvuk může být přehrán se zpožděním. Přepis může obsahovat chybu. Datový systém může mezitím vrátit výsledek staršího požadavku. Tyto události se musí v aplikaci potkat s odpovídajícím významem, ne pouze v jednom dlouhém textovém vláknu.

Dvě části systému: rozhovor a práce

Dokumentace rozděluje úlohy mezi GPT‑Live a backend. Hlasová část vede rozhovor a předává složitější práci dál. Backend používá potřebné podklady a nástroje a vrací výsledek. Model pro tuto práci vybíráte odděleně od hlasového modelu. Můžete tak samostatně posuzovat kvalitu hovoru a kvalitu dokončeného úkolu.

OpenAI popisuje předávání přes Responses i možnost připojit vlastní existující backend. Druhá cesta může být zajímavá pro firmu, která už má ověřenou logiku vyhledávání nebo interního agenta. Přidání hlasu nemusí znamenat přepsání všech pravidel. Je ale nutné určit, která část rozhoduje o změnách a která je pouze vysvětluje.

Pravidla komunikace mohou říkat, jak dlouho má asistent mluvit a kdy se doptat. Obchodní pravidla mají určovat například dostupné stavy zakázky nebo podmínky změny termínu. Smíchání těchto instrukcí ztěžuje kontrolu. Když se změní tón hlasu, nemá se tím změnit význam firemního procesu.

Hlasový rozhovor není totéž co přepis souboru

U přepisu hotové nahrávky máte celý podklad před sebou. Můžete se vracet k části zvuku, porovnat zápis a opravit nejasné jméno. V živém rozhovoru systém reaguje na průběžné informace. Volající může změnit zadání a ještě nedokončená práce může pokračovat na pozadí.

Jiný způsob práce představuje jednoduchá posloupnost převodu řeči na text, textové odpovědi a následného přečtení. Takové řešení může vyhovovat úzkému scénáři, v němž chcete kontrolovat každou mezifázi. Full duplex má jiný cíl: udržet souvislou komunikaci při současné práci. Nejde o automatického vítěze pro každý hlasový formulář.

Při výběru vycházejte z potřeby. Potřebujete přepis rozhovoru pro zápis? Krátké hlasové vyplnění formuláře? Nebo delší komunikaci během dohledávání údajů? Rozdíl určuje architekturu i způsob kontroly. Obecné označení „hlasová AI“ tyto úlohy nerozlišuje.

Kolik stojí samotná hlasová relace

Veřejný ceník GPT‑Live 1 uvádí 0,05 USD za minutu relace s účtováním po sekundách. Backendové modely a další nástroje se platí zvlášť. Kurzem ČNB z 23. října 2026, 21,741 Kč za dolar, odpovídá základní hlasová minuta přibližně 1,09 Kč bez daně a dalších služeb. Nejde o cenu běžného telefonního hovoru u operátora.

Pětiminutová relace tak v samotné hlasové položce znamená 0,25 USD, přibližně 5,44 Kč. Důležité je slovo relace: pro rozpočet nestačí měřit jen délku namluvené odpovědi. Zjistěte, kdy vaše aplikace spojení zakládá a kdy je skutečně ukončí. Otevřený mikrofon a běžící backend mají vlastní životní cyklus.

Při napojení na telefonní čísla přidejte další služby konkrétního řešení. Číslo, přenos hovoru, infrastruktura a ukládání nejsou automatickou součástí jedné modelové sazby. Celou nabídku proto porovnávejte podle stejného scénáře a stejného objemu, nikoli podle nejnižší uvedené ceny za minutu.

Model stovky rozhovorů

Uvažujme čistě modelově sto rozhovorů po pěti minutách. Celkem jde o pět set minut a 25 USD za hlasové relace. Pokud každý rozhovor vyvolá ještě dva modelové požadavky s nákladem 0,06 USD za kus, backend přidá 12 USD. Dohromady tedy počítáme 37 USD, přibližně 804 Kč základního přepočtu.

Částka nezahrnuje daň, telefonní služby, server ani další nástroje. Cena 0,06 USD je zde zvolená modelová položka pro přesně vymezený textový krok, nikoli univerzální sazba za libovolnou práci. Výpočet má ukázat, proč se účet nemá skládat pouze z hlasových minut. V reálném provozu dosaďte skutečnou spotřebu.

Potom sledujte počet opravdu vyřešených případů a předání člověku. Pokud dlouhé hovory vznikají kvůli opakovanému nepochopení, samotná dostupná minutová cena problém neřeší. Zkrácení odpovědí může zlepšit použitelnost, ale nesmí vynechat důležitou podmínku. Hodnotit potřebujete cenu i správný konec rozhovoru.

Jak připravit první český scénář

Vyberte úlohu, kterou umíte ověřit: například zjištění stavu vlastní testovací objednávky. Připravte smyšlená čísla a předem známé odpovědi. Jedna objednávka bude existovat, druhá ne a třetí bude mít neúplný údaj. Asistent má tyto stavy rozlišit bez domýšlení.

Do sady zařaďte různé způsoby vyslovení čísla, opravu uprostřed věty a běžné české zkratky. Zvlášť otestujte jména, názvy míst a kombinace písmen s čísly. Podpora hlasové komunikace v dokumentaci neprokazuje požadovanou přesnost na vašich názvech produktů. Ověření v češtině musí být skutečné.

• Jednoduchý dotaz bez přerušení.
• Doplnění chybějícího údaje po otázce asistenta.
• Oprava čísla během jeho odpovědi.
• Změna cíle ještě před dokončením backendové práce.
• Výpadek spojení a potřeba dohledat skutečný stav.

Začněte v klidném prostředí a potom přidejte okolnosti odpovídající použití. Hlas z notebooku v kanceláři a telefonní hovor z rušné ulice mají jiné podmínky. Nepřevádějte úspěch první ukázky na slib dostupnosti v libovolném hluku.

Přerušení řeči nemusí rušit probíhající práci

Dokumentace výslovně rozlišuje pokračující backend a hlasové přerušení. Vaše aplikace rozhoduje, zda se má rozpracovaná úloha dokončit, nebo zrušit. Když volající řekne „počkejte, jiná objednávka“, potřebujete znát stav původního požadavku. Nestačí zastavit přehrávání zvuku.

U čistého vyhledávání může být vhodné starý výsledek zahodit a začít s opraveným identifikátorem. U potvrzené změny záznamu už může být potřeba skutečné storno nebo samostatná oprava. Tyto případy musí rozlišovat logika aplikace. Hlasový model nesmí nejistý stav popsat jako bezpečně zrušený jen kvůli tomu, že se rozhovor posunul dál.

Z tohoto důvodu má první nasazení končit návrhem nebo čtením. Zápis přidejte až s konkrétní kontrolou a potvrzením tam, kde je potřebné. Principy oprávnění a návratu po chybě vysvětluje průvodce automatizací v Make a n8n. Plynulost komunikace nemění odpovědnost za provedenou změnu.

Ochrana přístupů a životnost relace

API klíč patří do důvěryhodné serverové části. Nemá být vložený do veřejné stránky, kterou dostane návštěvník prohlížeče. Hlasová aplikace současně potřebuje ovládat mikrofon a přehrávání způsobem srozumitelným uživateli. Člověk má poznat, kdy spojení běží a jak je ukončit.

Dokumentace upozorňuje, že ztlumení mikrofonního vstupu není ukončením relace. Model může dál vytvářet řeč a delegovaná práce pokračovat. Tlačítka v rozhraní proto pojmenujte podle skutečné funkce. „Ztlumit“ a „Ukončit hovor“ nesmějí slibovat stejný výsledek, pokud provádějí odlišné kroky.

Podobně oddělte záznam hovoru, průběžný přepis a provozní protokol. Ne každý účel vyžaduje uchovat celý zvuk. Rozsah ukládání a přístupu posuzujte podle konkrétního nasazení a dat. Uživatel má dostat pravdivou informaci o tom, jak se služba chová, nikoli obecné tvrzení převzaté z jiné aplikace.

Co hodnotit vedle přirozeného hlasu

Poslech je důležitý, ale samotný příjemný projev nestačí. Zkouška má projít cestu od záměru uživatele přes zadanou práci až po skutečný výsledek a jeho vysvětlení. Zaznamenejte, zda se asistent správně doptal a jestli nové upřesnění opravdu změnilo navazující úlohu.

Výsledek rozdělte alespoň na srozumitelnost, porozumění zadání, správnost backendu a pravdivost závěrečného potvrzení. Tím poznáte, zda má opravu řešit hlasový prompt, model pro práci nebo běžná aplikace. Bez tohoto rozlišení by se mohl ladit hlas tam, kde problém vzniká v přístupu k datům.

Uchovejte několik referenčních rozhovorů se známým očekáváním. Po změně hlasu, modelu nebo interních pravidel je projděte znovu. Do reference patří také neúspěch a předání člověku. Správné přiznání chybějící informace může být pro podporu hodnotnější než rychlá, ale vymyšlená odpověď.

Časté otázky

Při předání výsledků zkoušky přidejte i příklady vět, kterým systém rozuměl nesprávně. U českých názvů může jít o podobně znějící značku nebo kombinaci písmen a číslic. Příjemce má vidět původní zvuk, přepis a navazující rozhodnutí, pokud je oprávněn tyto údaje posoudit. Bez takové návaznosti by se chyba mohla mylně připisovat modelu pro práci, přestože vznikla už při zachycení zadání.

Pravidla pro opravu názvu udržujte společná pro celou aplikaci. Pokud asistent během hovoru použije potvrzený údaj, má stejný údaj dostat také backend a výsledný zápis. Oprava pouze zobrazeného přepisu by skutečné zpracování nezměnila.

Je GPT‑Live hotová telefonní ústředna?

Jde o API pro hlasové relace, které je potřeba začlenit do aplikace. Telefonní napojení, přístup k interním údajům a provozní pravidla tvoří další části řešení. Jejich nabídku a cenu ověřujte samostatně.

Mohu současně měnit model pro práci na pozadí?

Hlasová a pracovní část jsou oddělené. Konkrétní volba závisí na použitém způsobu předávání a podporovaných modelech. Při změně ověřte nejen textovou odpověď, ale také návaznost na probíhající rozhovor.

Stačí kontrolovat přepis?

Přepis neukazuje všechen zvukový průběh ani skutečně provedené změny. Poslechněte relevantní části a porovnejte je s výsledkem v cílovém systému. Zvláštní pozornost věnujte opravám a souběžné řeči.

Jak poznám, že se novinka vyplatí?

Z měřitelného výsledku konkrétního scénáře: správně vyřešené případy, srozumitelné předání člověku a úplný náklad. Čas do první odpovědi je jen jeden ukazatel. Důležitější je, zda uživatel dostal správný výsledek bez dalších nejasných kroků.